手背静脉识别

手背静脉识别（精选8篇）

手背静脉识别 篇1

摘要：针对单模态生物特征识别的局限性,提出融合手背静脉、虹膜和指纹三种生物特征实现身份识别。首先分别对手背静脉图像、虹膜图像和指纹图像进行独立的图像预处理、特征提取和特征匹配,输出各自的匹配分数。分析匹配分数归一化对识别性能的影响,采用Tanh归一化方法对三种生物特征的匹配分数进行归一化处理,最后利用加权求和法则实现匹配分数的融合,利用最小距离分类器实现身份识别。实验结果表明,融合识别算法的等错率为0.009%,当错误接受率接近0时,对应的错误拒绝率仅为0.2%。

关键词：生物特征识别,手背静脉,虹膜,指纹,匹配分数归一化,融合

0 引言

在高度复杂和信息交互的现代社会,对于信息安全的要求已经渗透到日常生活的各个方面,如金融、司法、国家安全、电子商务等应用领域,显示出前所未有的重要性。而身份鉴定是保证系统安全的必要前提,如何准确鉴定一个人的身份、保护信息安全,已成为一个必须解决的关键社会问题。与传统身份认证方式相比,生物特征识别最大的特点就是对用户自身的特征进行认证,具有防伪性好、便于携带、不易丢失或遗忘的优点,具有更好的安全性、可靠性和有效性[1,2]。由于单生物特征在识别准确率、用户接受程度、受环境影响程度等方面都有不同的特点,适应于不同的场合,单生物特征识别也存在其固有的局限性[3,4,5]。在对身份识别系统的准确性及安全性要求日益提高的今天,仅靠单一生物特征常常无法满足实际需要。1995年Brunelli[6]提出了利用多个生物特征融合实现身份识别的策略,将人脸和声音两种生物特征在匹配层上实现了融合识别,取得了较好的识别效果。1998年,Li Hong[7]从理论上定量地证明了相对于单生物特征识别,多生物特征融合识别系统在实现效率上有明显的提高,为多生物特征识别技术的研究提供了理论依据。之后,多生物特征识别技术的研究逐渐升温,多生物特征识别技术成为生物特征识别的发展趋势和研究热点。

手背静脉识别是一种新兴的生物特征识别技术。手背静脉血管的结构不会随着年龄变化,具有长期稳定性[8],且手背静脉分布匿藏于人体内部,只有活体才有效,具有很好的隐蔽性和高安全性等优势;虹膜和指纹识别技术是目前应用比较成熟,市场份额比较大的两种生物特征识别技术[9]。本文融合手背静脉、虹膜和指纹这三种生物特征实现身份识别。对手背静脉、虹膜和指纹特征分别采取独立的特征提取与匹配处理,输出各自的匹配分数,对三种生物特征的匹配分数进行归一化处理后,在匹配层实现三种生物特征的融合识别。通过对融合识别算法的测试实验,验证了融合识别算法的有效性,该算法达到了很高的识别准确性,为多生物特征识别研究提供了很好的途径。

1 融合识别原理

基于手背静脉、虹膜和指纹特征融合的身份识别原理如图1所示。首先分别对手背静脉图像、虹膜图像和指纹图像进行预处理,提取能够代表三种生物特征模式的特征向量,进行独立的特征匹配,得到各自的匹配分数。将匹配分数进行归一化处理之后,采用加权求和规则实现匹配分数在匹配层的融合,最后采用最小距离分类器实现身份判决。

2 融合识别算法实现

2.1 手背静脉特征匹配

手背静脉原始图像存在大量背景信息和噪声,首先要对手背静脉图像进行必要的预处理。利用阈值法去除大部分背景,并从原图像中获取手背图像,再利用阈值T得到手背模板,与手背图像结合得到感兴趣区域(ROI)。对手背静脉ROI图像进行中值滤波和高斯滤波,用于降低图像白噪声和椒盐噪声。

与基于区域的图像匹配方法相比,基于特征点的图像匹配方法具有更强的稳定性[10],而基于特征点的匹配方法的关键问题是如何选取待匹配图像中对应的特征。本文对预处理后的手背静脉图像进行3阶尺度展开,提取手背静脉图像的SURF特征,利用欧式距离作为两幅图像中特征点的相似性判据,实现特征点匹配。取注册样本图像中的某个特征点,在待识别样本图像中寻找与该特征点的欧式距离最近的两个特征点,计算最近距离与次近距离的比值,当比值小于设定阈值时,则表示注册图像中的这一特征点与待识别图像中距离最近的特征点匹配,利用匹配距离最小原则剔除错误的匹配对。特征匹配结果如图2所示。

定义特征匹配率(式(1))作为手背静脉的匹配分数,衡量手背静脉图像之间的SURF特征匹配结果,反映手背静脉图像的相似度,匹配率越高,相似度越高。

式中:n为待识别样本It和注册样本Ir的特征匹配对个数,Nr和Nt分别为注册样本Ir和待识别样本It在其ROI内的特征点个数。

对TJU手背静脉图像数据库中的108个不同手背的静脉图像样本进行特征提取与匹配测试,取每个手背中的3幅图像作为注册样本,其余4幅图像作为测试样本。手背静脉图像SURF特征匹配的类间匹配分数分布和类内匹配分数分布如图3所示。

2.2 虹膜特征匹配

由于采集的虹膜图像为人眼图像,实现虹膜匹配前,首先需要对图像进行预处理从人眼图像中提取出虹膜区域图像。包括虹膜边缘定位、眼皮定位、图像归一化和图像增强。首先,在抽样图像中确定虹膜的内外边缘[11],根据粗略定位信息得到原分辨率虹膜图像中的精确边缘信息。对于眼皮定位,首先对图像进行高斯滤波,然后利用水平平滑滤波器对图像滤波,以增强图像的水平边缘。再利用水平分割算子对图像滤波得到梯度图像,并利用阈值法对梯度图像进行二值化。最后采用基于最大连通路径的方法[12]对眼皮进行抛物线拟合,以完成眼皮定位。将虹膜从环形映射到64×512大小的矩形图像[13],最后利用直方图均衡化实现图像增强。虹膜图像预处理结果如图4所示。

对预处理后的虹膜图像进行三级Haar小波分解,利用第二级和第三级Haar小波分解得到的六幅细节图像,提取局部快速变化区域作为虹膜细节特征,令局部快速变化区域为“1”,其它区域为“0”,实现特征编码。采用加权汉明距作为测试样本特征和注册样本之间的相似度测度,实现虹膜特征匹配。距离越小,说明两个虹膜样本相似度越高。

对CASIA虹膜数据库中108只不同眼睛的虹膜图像样本进行特征提取与匹配测试,取每只眼睛中的3幅图像作为注册样本,其余4幅图像作为测试样本。虹膜图像小波特征匹配的类间匹配分数分布和类内匹配分数分布如图5所示。

2.3 指纹特征匹配

由于采集的原始指纹图像可能存在噪声,首先对指纹图像进行灰度归一化,直方图均衡化和中值滤波去除斑点噪声。将指纹图像分成8×8大小的互不重叠的子块,利用Sobel算子计算每个子块的梯度值∂x和∂y,利用式(4)计算中心点在(i,j)子块的块方向场:

其中:w为子块边长,θ(i,j)为子块的方向,并将各子块方向量化为8个方向,与原始指纹图像叠加的块方向场如图6(a)所示。根据计算的块方向场,利用方向变化最大熵原理确定指纹图像感兴趣区域的中心点,如果存在几个局部最大熵,则将最大熵点附近的局部区域定为感兴趣区域中心点,提取的中心点如图6(b)。以中心点为中心截取120×120大小的指纹区域作为指纹匹配的有效区域。截取的指纹图像有效区域如图6(c)所示。

将指纹图像有效区域进行3级Harr小波分解,分别计算水平、垂直、对角线方向的9幅细节图像的归一化Eulid范数,并联接形成特征向量。采用K-L距离作为注册样本和测试样本之间的相似度测度,实现指纹匹配。距离越小,说明相似度越高。选取CASIA指纹数据库中UPEK子库中的108个不同手指的7幅不同样本组成指纹测试数据库。对指纹测试数据库进行特征提取与匹配测试,取每个手指中的3幅图像作为注册样本,其余4幅图像作为测试样本。指纹特征匹配的类间匹配分数分布和类内匹配分数分布如图7所示。

2.4 匹配分数归一化处理

由于三种生物特征匹配分数的物理意义和值域范围各不相同,为了避免直接融合可能产生三种生物特征对识别结果影响权重不同,影响识别准确性。在将匹配分数进行融合前,需要对各匹配分数进行归一化处理。本文利用三种典型的归一化方法对三种生物特征的匹配分数进行归一化处理。

1)Min-Max方法:将匹配分数的值域统一到[0,1]分布,归一化公式为

其中:s′为归一化匹配分数,s为归一化处理前的匹配分数,max(S)为匹配分数最大值,min(S)为匹配分数最小值。匹配分数最大值和最小值可以通过对较大规模样本进行测试,对得到的已知匹配分数样本进行统计计算获取。

2)Z-score方法:将匹配分数归一化到均值为0,标准差为1的标准正态分布。归一化公式如下:

其中:s′为归一化匹配分数,s为归一化处理前的匹配分数,mean(S)和std(S)分别为归一化前匹配分数的均值和标准差。均值和方差可以通过对较大规模样本进行测试,对得到的已知匹配分数样本进行统计计算获取。

3)Tanh方法:将匹配分数值域归一化到(0,1)分布,归一化公式如下:

式中各物理量含义同式(6)。

分别利用三种归一化方法对手背静脉、虹膜和指纹特征的匹配分数进行归一化处理,得到归一化后的类间类内匹配分数分布如图8所示。

利用区分度指标D衡量类内匹配和类间匹配分布的区分性,其定义如下:

式中:µa,σa为类内匹配分数的均值和方差,µe,σe为类间匹配分数的均值和方差。D越大表明类内匹配和类间匹配分布的距离越大,不同类别之间就越容易区分[14]。

由式(8)计算得到手背静脉、虹膜和指纹匹配分数归一化后类间类内匹配的区分度指标如图9所示,从图中可以看出,利用Tanh归一化方法进行匹配分数归一化后,三种生物特征类间匹配和类内匹配具有了更好的区分性。

2.5 匹配层融合身份识别

利用加权求和规则将三种生物特征的匹配分数在匹配层实现融合,匹配分数融合公式如下:

式中:S′为三种生物特征的融合匹配分数,ωH,sH分别为手背静脉对应的权值和手背静脉匹配分数,ωI,sI分别为虹膜对应的权值和虹膜匹配分数,ωF,sF分别为指纹对应的权值和指纹匹配分数。由于手背静脉类间类内匹配分布具有更好的区分性,说明手背静脉匹配识别具有更高的准确性,因此本文取手背静脉对应的权值系数ωH为0.5,虹膜权值系数ωI和指纹权值系数ωF各为0.25,最后采用最小距离分类器实现身份识别。

3 融合识别算法性能分析

由于目前尚无来自同一个体的手背静脉图像、虹膜图像和指纹图像的三模态数据库,考虑到三种生物特征之间的相互独立性,因此,将TJU手背静脉图像数据库、CASIA虹膜图像数据库和CASIA指纹数据库中提取的指纹测试数据库以一一指配的方式进行融合身份识别实验。我们将108个类别的手背静脉图像和108个类别的虹膜图像以及108个类别的指纹图像一一指配为来自同一类别的三种生物特征,组成实验数据库。实验中,取每类手背静脉、虹膜和指纹图像中的3幅图像作为注册样本,其余4幅图像作为测试样本,对算法性能进行测试。将测试样本和3幅注册样本分别进行匹配,取相似度最高的匹配分数作为测试样本与数据库中该类别的匹配分数,将匹配分数利用Tanh方法进行归一化处理,利用本文融合方法实现三种生物特征匹配分数的融合。在认证模式下,得到不同阈值对应的FRR和FAR曲线如图10所示,当匹配阈值取0.492时,得到等错率仅为0.009%;当错误接受率接近0时,错误拒绝率为0.2%。

4 结论

本文实现了基于手背静脉、虹膜和指纹的融合身份识别系统。分别对手背静脉、虹膜和指纹图像进行独立的预处理、特征提取与特征匹配后,得到三种生物特征各自的匹配分数。分析了三种典型的匹配分数归一化方法对身份识别性能的影响,采用Tanh归一化方法对三种生物特征的匹配分数进行归一化处理,利用加权求和法则实现了匹配分数的融合,最后采用最小距离分类器实现身份识别。实验结果表明本文融合识别算法具有非常高的识别准确率,在匹配阈值取0.492时,等错率为0.009%,当错误接受率接近0时,错误拒绝率仅为0.2%。证明了本文融合身份识别系统的有效性,对生物特征识别技术领域的研究具有重要意义。

手背静脉识别 篇2

方法：选择我科住院静脉输液的儿童520例，连续两天在患儿的左、右手手背静脉对称部位各穿刺1次。第一天采用傳统固定法固定针柄为对照组，第二天采用加强针柄固定法为实验组，观察穿刺部位疼痛和针头滑出血管外情况。

结果：两组穿刺部位疼痛和针头滑出血管外情况相比差异有非常显著性（P<0.05）。

结论：加强儿童静脉输液固定法，减轻了输液过程中穿刺部位疼痛，避免了针头滑出静脉血管外，保证了输液治疗顺利。

关键词：儿童手背静脉输液疼痛预见性护理

【中图分类号】R47【文献标识码】B【文章编号】1008-1879（2012）12-0337-02

众所周知，因为儿童恐惧、害怕扎针和疼痛，静脉输液时会出现啼哭，难以配合固定，注射后随意摆动注射部位，或大幅度改变体位，不但使输液速度改变，出现过快、过慢或者滴速暂停等现象，直接影响了临床治疗的目的和疗效，并且就会出现穿刺部位疼痛和针头滑出血管外的情况，为了确保输液顺利完成，我科在给儿童输液时用加强针柄固定方法，效果比较好，现报道如下。

1资料与方法

1.1临床资料。选择2011年6月至2012年3月在我科住院的需要静脉输液治疗的儿童520例，其中男性289例，女性231例，年龄3.5-7岁，所得疾病构成有急性支气管炎、喘息型支气管炎、小儿肺炎等。穿刺静脉均为儿童手背浅静脉。采用自身对照比较的研究方法，将520例儿童的左右手随机分组。第一天采用传统固定法固定针柄为对照组，第二天采用加强针柄固定法为实验组。穿刺成功后固定针柄所用输液贴，均为泰州市精卫医疗器械有限公司生产的一次性医用输液贴。观察穿刺部位疼痛和针头滑出血管外情况。活动时穿刺部位疼痛和针头滑出血管外排除固定以外的原因造成。输液时两组患儿所用输液器、液体、加药种类、加药量、操作者、消毒剂使用的种类等资料经统计学处理，差异无显著性（P>0.05），具有可比性。

1.2固定方法。备齐用物，根据患儿血管分析情况和针头型号选择直而易固定的手背静脉穿刺。穿刺成功后，对照组按传统方法采用输液贴4条固定法：我医院临床普遍使用泰州市精卫医疗器械有限公司生产的医用输液贴（江苏省泰州市九龙台商工业园区世纪大道北侧），有三条胶带和一片带透气棉的输液贴，第一条胶带与针头垂直一字型固定针柄，第二条用中心带护垫的一条一字型固定于穿刺针眼部位，第三条置针柄下方前托针柄固定在手背第二条胶带上方，防止针头脱出血管，最后一条将针头软管绕一圈或S型固定于穿刺左侧或右侧，避开针头及血管走向前方。实验组用加强固定方法是在传统方法固定的基础上，在第一条固定针柄的那条上再固定一条约长15cm的医用胶布。

1.3观察指标和评估标准。疼痛的判断以接受静脉输液时儿童的面部表情、疼痛的反应和病人感觉为标准。无痛：患儿面部表情不变，无任何反应，穿刺部位无痛感；微痛：患儿面部表情不变，疼痛反应轻微，穿刺部位有短暂痛感，时间不超过8S；剧痛：患儿面部表情紧张，咬牙，皱眉，甚至张口呻吟，并有退缩肢体的动作，穿刺部位很痛，持续时间12S以上。针头滑出血管外时局部肿胀、疼痛、挤压近针头端输液胶管无回血有阻力。

1.4统计学分析。方所得数据采用SPSS12.5统计学软件进行相关处理，计量资料用X±S表示，进行t检验，计数资料用计数资料以例（n）、率（%）表示，进行X2检验，P<0.05为表示差异有统计学意义。

2结果

实验组患儿在穿刺部位疼痛和针头滑出血管外情况两方面，与对照组相比差异有显著性（P<0.05）。具体见表1。

3讨论

3.1儿童静脉输液是小儿科治疗疾病的主要途径和方法，也是儿科护士临床工作中最基本的操作技术，及时正确的输液可以挽救患儿的生命，是保证患儿治疗及护理安全的重要环节，儿童静脉输液过程固定针柄很重要，只有局部固定牢固才能确保静脉输液顺利进行。但往往存在固定好后，由于患儿活动时，输液胶管被牵拉引起输液贴松动，连带针柄、针头部位，出现穿刺部位疼痛和针头滑出血管外，重新穿刺给患儿带来痛苦，并且增加了护理工作量，浪费了医疗资源。加强针柄固定法使静脉输液更固定牢固，有效减轻了儿童静脉输液时的疼痛，减少了针头滑出血管外，提高了护士工作效率和护理工作质量。

3.2国际疼痛学会（LASP）。1979年将疼痛定义为一种令人不快的感觉和情绪上的感受，伴随着现有的或潜在的组织损伤。1983年，美国疼痛协会（APS）提倡将疼痛作为人体第五大生命体征，并于1995年正式将疼痛列为第五大生命体征加以重视[1]。因此我们在临床工作中充分重视疼痛，在诊疗过程中尽可能地减轻患者的疼痛。有研究显示：95%的患者害怕静脉穿刺，害怕疼痛，希望护士能依次穿刺成功[2]。特别是小儿科的儿童对静脉穿刺有恐惧心理。使用加强针柄固定方法固定提高了输液顺利率，减少患儿重新穿刺的痛苦。同时也起到了保护血管作用，减少了因静脉血管内膜损伤引起的并发症，患儿及家长满意度高。

3.3由于患儿的合作性差，对情绪不稳定、烦躁、哭闹的患儿，护士主动指导家属如何固定注射部位，避免输液距离大幅度变动，根据家属的文化水平和接受能力，有针对性进行静脉相关知识宣教，满足家属对患儿输液安全的需要。家属通过健康教育，并获得一些基础的静脉输液护理常识，如输液过程中的注意事项、保持静脉输液滴速的重要性等[3]。使家属自觉配合与护理人员共同照护患儿，确保静脉输液顺利进行，减轻患儿穿刺点疼痛。保证药物在临床治疗中发挥有效的作用，达到最佳的治疗目的和效果。

参考文献

[1]林岩龄.翻转针柄法减轻甘露醇所致疼痛的效果观察[J].中国实用护理杂志，2009，25（11）：30～30

[2]孟青.利用静脉输液时间实施健康教育[J].现代护理，2005，11（6）：479

手背静脉识别 篇3

生物特征识别具有两种典型的工作模式[1],即认证(Verification)模式和识别(Identification)模式。认证模式下,待检测用户首先声明自己属于数据库中某个用户,认证系统判断待检测用户身份的合法性。识别模式下,待检测用户不对自己身份进行说明,识别系统查询待检测用户是数据库中的哪一个用户或者不是数据库中的用户以验证待检测用户身份的合法性。

自1995年Brunelli[2]提出了利用多个生物特征融合实现身份识别的策略以来,随着科技的发展以及信息安全要求的提高,多生物特征识别技术成为生物特征识别的发展趋势和研究热点。其中美国A.K.Jain教授科研团队在多生物特征识别方面进行了大量的研究工作[3,4,5],为多生物特征识别技术的发展做出了重要贡献。目前对于多生物特征识别技术的研究大多是基于指纹、虹膜、人脸、声音、掌纹等特征。在国内多生物特征识别技术的研究主要依赖于高校和研究所。目前大多数研究学者对于多生物特征融合识别的研究主要基于认证模式,而识别模式相对于认证模式对识别系统的算法性能要求更高。

鉴于手背静脉、虹膜和指纹三种生物特征的优势,本文在前期研究工作的基础上[6,7,8],主要研究识别模式下基于手背静脉虹膜和指纹的多生物特征融合识别算法,提出了基于k NN算法与SVM算法相结合(k NN-SVM)实现识别模式下的多生物特征融合身份识别,实验结果证明了算法的有效性。

1 融合识别系统模型

基于手背静脉、虹膜和指纹三种生物特征识别模式下融合识别系统模型如图1所示。为了提高识别模式下多生物特征融合识别系统的识别效率,本文基于单生物特征k NN算法实现用户身份的初步判别,将用户身份范围缩小到k个。利用SVM算法实现k个样本范围内另两个生物特征匹配数据的数据融合和决策判决,最终输出用户身份,这样待识别用户的另外两种生物特征仅需要与缩小范围的k个类别进行匹配,而不需要与数据库中的所有类别进行匹配,可以提高识别效率。融合识别流程如图2所示。

2 识别分类器设计

k NN分类器就是在N个已知样本中,找出x的k个近邻。假设这N个样本中,来自H1类的样本有N1个,来自H2类的样本有N2个,…,来自Hc类的样本有Nc个,若k1,k2,…,kc分别是k个近邻中属于H1,H2,…,Hc类的样本数,则定义判别函数为

决策规则为若gj(x)=miaxki,则x∈Hj。

SVM以结构风险最小化准则为理论基础,是一种具有最优分类能力和推广能力的学习机。其基本思想为:首先通过非线性变换将输入空间变换到一个高维空间,然后在这个高维空间中求取最优线性分类面[9],而这种非线性变换是通过定义适当的内积函数实现的。图3为支持向量机分类示意图,x1,x2,…,xn为输入样本,K(x 1,x),K(x2,x),…,K(x s,x)为基于s个支持向量的核函数。

常用的核函数主要有以下几种:

1)线性核函数,即内积函数K(x,xi)=(xix);

2)多项式核函数,K(x,xi)=[(xi×x)+1]q;

基于支持向量机的分类理论是从两类分类问题提出的,而对于识别工作模式下的多类分类问题,需要构造多类分类器,这通过1-a-r算法构造多个两类分类器实现。即对于N类问题,构造N个两类分类器,第i个分类器用第i类训练样本作为正的训练样本,将其它类的训练样本作为负的训练样本。此时,分类器的判决函数不取sgn符号函数,最后的输出是N个两类分类器输出中最大的一类。

SVM算法在解决小样本及高维模式识别问题中具有特有的优势,但SVM对大规模分类问题训练时间较长,利用k NN算法将训练样本减少到k个,可以达到优势互补,提高算法的识别效率。

3 实验分析

目前尚无来自同一个体的手背静脉、虹膜和指纹的三模态生物特征图像数据库,考虑到手背静脉、虹膜和指纹三种生物特征的独立性,本文将TJU手背静脉图像数据库、CASIA虹膜图像数据库和Fingerpass指纹数据库中提取的指纹测试数据库以一一指配的方式进行融合身份识别实验。我们将108个类别的手背静脉图像和108个类别的虹膜图像以及108个类别的指纹图像一一指配为来自同一用户的三种生物特征,组成多生物特征融合识别实验数据库。分别取实验数据库中108个用户类别中每类手背静脉、虹膜和指纹的3幅图像样本作为注册样本,其余4幅图像样本作为待识别样本。

手背静脉特征提取与匹配方法采用基于SURF算子的特征提取与匹配方法,即提取手背静脉图像的SURF-64特征,利用欧式距离作为两幅图像中特征点的相似性判据实现特征匹配。虹膜特征提取与匹配方法采用基于Haar小波变换的方法实现虹膜特征编码,利用加权汉明距实现特征匹配。指纹特征提取与匹配方法采用基于提取指纹图像Haar小波变换的归一化Euclid范数,联接形成特征向量,利用K-L距离实现特征匹配。详见文献[6-7]。

基于k NN算法分别对三种单模态生物特征进行初识准确率PCRR(式(2))性能测试,以确定三种生物特征的融合方式和k值的选取。手背静脉、虹膜和指纹三种生物特征在取不同k值时对应的PCRR如表1~3所示。

分析实验结果,综合考虑算法复杂度和识别时间因素,本文选取手背静脉特征作为个人身份初步识别特征。

式中Nv为k个类别中包含待识别用户合法身份的样本数,N为待识别样本总数。

本文使用C-SVC支持向量机实现待识别用户的虹膜和指纹两种生物特征匹配融合识别,确定待识别用户的最终身份。k NN算法将待识别用户身份确定到Hi=ki),...,2,1(这k个类别范围内,取k个类别中的虹膜特征和指纹特征的训练样本,顺序取Hi类的第j(j=1~3)个训练样本的虹膜特征图像和指纹特征图像与H1~Hk类的训练样本中的每一个虹膜特征图像和指纹特征图像进行匹配,得到一个11×2维的匹配分数训练样本VR,将所有的匹配分数训练样本与其对应的真实目标类别组合形成SVM的训练样本{VRn,Hn},输入SVM进行训练输出待定参数。

SVM识别过程通过提取待识别用户对应的虹膜特征图像和指纹特征图像的特征信息,并顺序与H1~Hk类别的训练样本中的每一个虹膜特征图像和指纹特征图像进行匹配,得到11×2维的测试样本VT,将测试样本输入训练好的SVM,输出用户的最终身份。

分别采用高斯核函数和线性核函数SVM对融合识别性能进行测试,实验中,选取合适的惩罚因子C=90,采用正确识别率CRR评价识别算法性能,其定义为分类正确的样本数占测试样本总数的比率。得到不同k值对应的CRR如表4所示。由表中数据可以得出,采用高斯核函数,取k=2时,融合识别性能最高,在识别模式下正确识别率达CRR为99.54%,达到了非常高的识别准确率,而此时k取最小值,对应的系统耗时开支也最低。

4 结论

本文研究了识别模式下基于手背静脉、虹膜和指纹的多生物特征融合识别方法。设计了k NN-SVM分类器,利用单生物特征k NN算法实现用户身份的初步判别,将用户身份范围缩小到k个。利用SVM算法实现k个样本范围内另两个生物特征的融合识别,最终输出用户身份,可以提高识别算法的性能。利用构建的三模态生物特征数据库进行了实验研究,通过对实验结果进行分析,选取手背静脉特征作为个人身份初步识别特征,虹膜和指纹两种生物特征作为融合识别特征具有明显优势。k NN-SVM分类器中取k=2,采用高斯核函数,且设定标准差σ=0.5、惩罚因子C=90时,识别模式下正确识别率CRR可达99.54%,显示了良好的识别性能。

参考文献

[1]Phillips P J,Martin Alvin F,Wilson Charles L,et al.An introduction to evaluating biometric systems[J].IEEE Computer(S0018-9162),2000,33(2):56-63.

[2]Brunelli R,Falavigna D.Person identification using multiple cues[J].IEEE Transactions on Pattern Analysis and Machine Intelligence(S0162-8828),1995,17(10):955-966.

[3]Snelick R,Uludag U,Mink A,et al.Large-Scale Evaluation of Multimodal Biometric Authentication Using State-of-the-Art Systems[J].IEEE Transactions on Pattern Analysis and Machine Intelligence(S0162-8828),2005,27(3):450-455.

[4]Jain A,Nandarkumar K,Ross A.Score normalization in multimodal biometric systems[J].Pattern Recognition(S0031-3203),2005,38:2270-2285.

[5]Arun Ross,Anil Jain.Information fusion in biometrics[J].Pattern Recognition Letters(S0167-8655),2003,24(13):2115–2125.

[6]李秀艳,刘铁根,邓仕超,等.基于SURF算子的快速手背静脉识别算法[J].仪器仪表学报,2011,32(4):831-836.LI Xiuyan,LIU Tiegen,DENG Shichao,et al.Fast recognition of hand vein with SURF descriptors[J].Chinese Journal of Scientific Instrument,2011,32(4):831-836.

[7]李秀艳,刘铁根,邓仕超.基于手背静脉虹膜和指纹融合身份识别算法[J].光电工程,2010,37(8):104-110.LI Xiuyan,LIU Tiegen,DENG Shichao.Personal Identity Recognition Algorithm Based on Fusion of Hand Vein,Iris and Fingerprint[J].Opto-Electronic Engineering,2010,37(8):104-110.

[8]LI Xiuyan,LIU Tiegen,DENG Shichao,et al.Fusion of Hand Vein,Iris and Fingerprint for Person Identity Verification Based on Bayesian Theory[J].Procceeding of SPIE(S0277-786X),2009,7512:75120M-75120M-9.

松拳法手背静脉穿刺的体会 篇4

1 资料与方法

1.1 临床资料

随机抽取住院输液患者320例, 其中男219例, 女111例, 年龄3岁～89岁。

1.2 方法

(1) 将患者按床号分为单床号和双床号, 单床号者为试验组, 双床号者为对照组, 各160例; (2) 由2名主管护师参与试验, 其中一人专门负责穿刺, 穿刺时间从扎止血带开始到用输液贴固定好为止, 另一人负责观察并记录; (3) 试验组备齐操作用物, 选择穿刺肢体, 扎止血带同时嘱患者手自然放松, 不要握拳, 常规消毒皮肤后, 操作者直接握紧患者四指或五指, 稍向下压, 使患者掌心空虚, 手背成弓背状。利用拇指与虎口之间形成的弧形轻压靶静脉下方及侧方的皮肤, 同时向掌心用力, 绷紧皮肤, 右手持针穿刺, 见回血后将针稍向前推进, 松止血带, 松调节器, 操作者松手, 抽出手指, 输液贴固定。对照组常规消毒皮肤后, 嘱患者握拳, 右手持针穿刺, 见回血后将针稍向前推进, 松止血带, 松调节器, 嘱患者松拳, 输液贴固定。

1.3 统计学方法

采用z检验法, P<0.05为差异有显著性。

2 结果

2组静脉穿刺结果比较, 试验组较对照组一次性穿刺成功率明显高于对照组, 产生的痛苦反应也显著低于对照组。见表1.

z=2.78, P<0.05

3 讨论

娴熟的静脉穿刺技术, 不仅直接影响患者的抢救、治疗效果, 同时在协调护患关系中也起到举足轻重的促进作用, 松拳穿刺的诸多优势在护理工作中愈加凸显。 (1) 松拳静脉穿刺静脉暴露明显, 易于穿刺, 试验组一次性穿刺成功率 (98.1%) 明显高于对照组一次性穿刺成功率 (91.2%) 。握拳穿刺时, 患者手背部皮肤完全绷紧而对血管产生压迫作用, 使血管变扁、变瘪, 血管的血液充盈度明显减少, 血管径变小, 血管壁变薄, 影响了血管管腔的自然状态, 穿刺时容易穿破血管到皮下组织, 导致穿刺失败[1]。握拳后掌指关节处骨突隆起明显, 妨碍操作者见回血后改变角度向前潜行的动作, 必须挑起进针处皮肤, 提高针尖角度才能完成。握拳引起的肌肉僵硬, 又使操作者不能根据适合自己的位置进行调整。患者疼痛反应明显, 穿刺容易失败。松拳穿刺时, 克服了握拳的诸多弊端。操作者主动握紧患者手指, 指端的静脉血液很快被挤回到手背静脉网, 采用五指刚好握拢呈悬垂状这样的方式, 手背部皮肤平坦又不过紧, 静脉易充盈, 易穿刺[2]。见回血后压低针柄向前推进, 不易刺破血管。操作者还可以根据自己的需要, 随意调整、控制患者的手, 选择最佳姿势和角度进行穿刺, 一次性成功率高。尤其对昏迷、瘫痪、极度衰弱不能配合的患者, 松拳穿刺更显优势。 (2) 松拳穿刺省时节力, 操作者可直接抓起患者的手指, 操作完毕主动松手即可, 省去了等待患者握拳及穿刺完毕再嘱患者慢慢松拳的环节;静脉易充盈, 节约了反复寻找靶静脉的时间。松拳时患者四指并拢呈束状, 接触面积大, 是护士握持时很好的着力点;伸展的手指, 从力学原理上等于增加了动力臂长度, 在以肩、肘关节或腕关节为支点不变的相同条件下, 由上臂重力所产生的阻力便减小。相反, 握拳时动力臂的长度缩短, 阻力增加;拳头的接触面积减小, 着力差, 尤其是肥胖患者, 手小的护士只能很勉强地抓住患者的手, 操作费力。 (3) 松拳穿刺易固定。握拳穿刺完毕, 嘱患者松拳, 此过程由于皮肤和血管的牵拉或回弹, 容易使针尖刺破血管或脱出血管外, 致使液体外渗导致穿刺失败, 且松拳后容易使手背静脉重新潜入掌骨之间, 引起穿刺点的不适[3]。松拳穿刺时, 患者穿刺前后几乎是相同姿势, 操作者松手后不会引起皮肤和血管的移位, 输液贴很容易固定, 比起要求患者手背上带着针尖做松拳的动作要稳妥、安全得多。 (4) 松拳穿刺痛苦少。患者握拳时, 意识上立即产生马上要穿刺的疼痛预感, 从而产生紧张情绪, 如肌肉僵硬、退缩、心率增快、注意力过于集中于穿刺处等, 在穿刺时更加突出, 直至松拳, 意识中这个痛苦体验才会结束。穿刺时嘱患者松拳, 患者的身心会随着操作者的口令一起放松, 此时的心灵是敞开的, 操作者通过主动握持、触摸患者的手, 很容易把信心和关爱传递给患者, 取得信任;患者接到信号后, 在随意放松的状态下很自然地会把注意力和依赖性转移到操作者身上, 拉近了距离, 提高了痛阈, 疼痛的体验只会在穿刺的一瞬间, 主观上没有明确的时间段。整个操作过程中, 操作者能充分发挥服务的主体性, 减少了因患者因素而造成的影响。

参考文献

[1]陈广华, 欧春红, 钟美声.松拳法与握拳法静脉穿刺的效果观察[J].现代护理, 2007, 13 (11) :1030.

[2]暴静玲, 杨家鹏, 张玉英.两种不同握拳方法对末梢静脉充盈的影响[J].全科护理, 2009, 7 (1) :24-25.

手背静脉图像增强和分割方法 篇5

由于近红外摄像机采集到的手背静脉图像的对比度不高且灰度值不均衡,所以静脉图像的增强处理方法是研究的重点。文献[3,4]中首先对静脉图像进行二值化分割,然后以端点、交叉点为基础进行特征提取和识别,文献[5]通过提取手背图像局部SURF特征进行两幅图片的匹配;文献[6]通过提取静脉图像经轮廓波(Contourlet)变换后不同尺度下的子带能量为全局特征,文献[7]用中值滤波对整个手背静脉图像进行预处理,然后用逐点象素比对法进行手背静脉匹配。以上算法都取得了一定的效果,但是也存在一些不足,该文主要对手背静脉图像进行增强和分割处理,为下一步的特征提取和识别处理奠定研究基础。

1 手背静脉图像预处理

1.1 手背静脉图像采集

近红外手背静脉图像捕获的原理是:人体静脉血液中含有的血红蛋白成分具有吸收波长为700-1100nm区间近红外光线的特性。而此区间的近红外光线能够轻易的穿透3mm深度的人体肌肉或骨骼。因此,利用特定波长的近红外发射器均匀照射手背区域,再用近红外摄像机采集手背区域的反射光线,即可采集到手背静脉图像[8]。作者所在项目组根据此原理研制了近红外手背静脉图像采集装置[9]。经过对比实验,近红外发射光源采用波长为850nm的LED组,近红外摄像机选择普通的COMS黑白摄像机。拍摄手背静脉图像样本如图1。

1.2 感兴趣区域分割

由于采集到的图像包含手背边缘及背景,会对识别结果造成一定影响,因此需要切割出感兴趣区域(只含手背皮肤和血管的区域),以便后期的处理及识别。该文提出一种动态确定感兴趣区域的方法,该方法能够有效解决小范围手背平移的影响。

图2(b)是图2(a)二值化后的图像,设为I,分割阈值是128,m,n分别为图像的宽和高,I的灰度值归一化到[0,1],做如下操作来确定感兴趣区域:

1)令y = n,转(2);

2) 将第y行的象素相加得sum,若sum大于250,转(3)。否则y=y—1,继续步骤(2);

3) 令x=1,转(4);

4)若I(x,y)= 1,转(5),否则x=x+1,继续步骤(4);

5) 令x=x+15,则从x到x+219,y到y-139,即为分割的感兴趣区域。

通过以上步骤,把采集的320×240大小的原始图像,截取为包含重要静脉信息的220×140大小的图像。如图2(d)。切割后得到的图像不仅去除了背景及边缘的信息,而且保留了重要的静脉信息。为了便于后续处理,进一步利用仿射变换把220*140的图像缩放为60*120大小。

1.3 手背静脉灰度归一化

由于不同人的肤色差异,以及环境中的近红外光线干扰,所采集的手背静脉图像的灰度值不统一,需要进行灰度归一化处理。该文把所有静脉图像都转换成具有同一均值和方差的标准图像[10],如下式:

其中,I(x,y) 是原始图像,M和V是其均值和方差,V =MaxI(x,y))MinI(x,y)) ,I1(x,y) 是灰度归一化后得到的图像,M1和V1分别是I1(x,y) 的均值和方差,该文选择M1 =150,V1=255。

灰度归一化结果如图3所示,左面两幅是原始的手背静脉图像,右面两幅是灰度归一化后的图像。可见,归一化后的图像不仅具有相似的灰度值,而且静脉纹路更清晰。

1.4 手背静脉增强和分割

此时的手背静脉图像的对比度较低,所以在进行特征提取之前需要进行增强处理。该文作者所在项目组在论文[11]中,提出了一种基于自适应滤波的Retinex静脉增强算法,在增强静脉结构的同时,对图像灰度值进行了均衡处理。增强后图像如图4(b),可知,经过以上处理后手背静脉部分得到了明显的增强。特征提取的关键是提取出有效地静脉结构信息,而图4(b)中存在大面积的手背皮肤区域,且皮肤区域噪声较大,因此需要对增强后的图像进行分割,提取出有效的静脉结构。

图像分割的关键是如何设置分割的阈值T,由于增强后的手背静脉图像中灰度值比较均匀,因此可以采用动态全局阈值法进行二值化处理,算法如下:

1)计算静脉图像的平均灰度值m,并令t1=m;

2)令t=t1,遍历整个图像,计算灰度值小于t的象素的平均值m1,及大于t的象素的平均值m2;

3)令t1=(m1+m2)/2,若t1=t ,转(4),否则转(2);

4) t=kt1.

其中,k是分割阈值的修正系数,这里k=1.1。分割效果如图4(c)。此时,分割后的图像包含很多虚假的静脉,这些虚假的静脉和真实静脉在象素面积和几何比例等方面存在着一定的差异,这为去除虚假静脉信息提供了条件。该文采用以下方法去除二值化后的图像中的虚假静脉信息:

首先对图像进行形态学运算:遍历图像,如果某象素的3×3邻域内灰度值为0的像素个数小于5,则将这个像素设置为0,否则设置为255。此步骤能够有效的去除图像中小的黑点,处理效果如图4(d)。接下来标记图像中的所有黑块,计算黑块的像素个数,以及黑块的外接矩形的长和宽:

1)如果黑块象素个数小于150,则删除此黑块;

2)如果黑块象素个数在150到600之间,且该黑块的外接矩形的长宽比小于5,则删除此黑块(一般是横向纹路的虚假黑块);

3)将象素个数大于600的黑块保留。

经过处理后,静脉图像的虚假静脉结构基本被去除,且保留了的真实的静脉结构,如图4(e)。

此时,虽然很好的提取了静脉的主干结构信息,去除了手背皮肤部分的干扰,但只保留了静脉的几何结构,而对静脉的其它细节信息(比如静脉的粗细及灰度值)没有得到很好的保留。基于以上的原因,该文提出了一种保留灰度信息的手背静脉分割方法:,

扫描静脉图像I(图4(e))和自适应平滑滤波后的图像I1(图4(b)),若I(x,y)=255,则I1(x,y)=255,否则I1不变,经此过程后得到的预处理图像如图4(f)所示。

2 结束语

手背静脉输注穿刺方法的研究比较 篇6

1 临床常用的静脉穿刺方法

1.1 传统法 (握拳法)

《基础护理学》要求病人握拳, 静脉穿刺成功后再嘱病人松拳。

1.2 老年病人手背浅静脉穿刺

在为老年消瘦病人手背浅静脉穿刺时, 鲁敏卿[3]提出操作者用食指和中指将病人掌侧蚓状肌和骨间肌向上顶时, 间接将嵌入掌骨间的浅静脉顶出掌骨外, 可有效地提高血管的充盈程度, 加大血管的暴露。

1.3 弓形手掌穿刺法

陆云[4]研究发现病人手背轻握呈弓形, 护士左手拇指在上轻握其手心, 拇指绷紧注射部位下端皮肤并压住静脉下端穿刺。有助于病人放松, 同时起到了制动作用。

1.4 回压静脉法

段水英[5]对血管充盈不佳的病人采用手指从所选血管的远心端2 cm～4 cm向近心端推压, 使局部静脉压升高, 血管充盈, 可提高一次穿刺成功率。

1.5 手放松法

郭彩霞等[6]嘱病人手放松, 操作者用左手将病人五指聚拢握于手中, 左手拇指向病人手指方向绷紧皮肤, 进行老年病人手背静脉穿刺可以明显减轻病人疼痛。

1.6 自然状态静脉穿刺法

侯素霞等[7]研究发现通过改变病人的手臂状态 (穿刺侧手臂放于自然状态, 操作者左手握紧病人四指, 挤压指端静脉, 使血液快速回流手背静脉网, 使血管充盈) 、 进针角度 (血容量减少且手背静脉萎陷的病人10°～15°角, 一般病人35°～40°角) 、调整液体悬挂高度 (输液器下 2/3 低于心脏水平位置) , 能明显提高静脉穿刺一次成功率, 减轻病人的疼痛。

1.7 手部自然放松空握杯状

谢珍惠[8]嘱病人手部自然放松, 手腕下弯, 拇指内收, 其余四指并拢向掌心面, 使被穿刺的手形成背隆掌空握杯状, 操作者紧握病人的手, 给病人以亲切感, 缩短护患之间的距离, 消除其紧张恐惧心理, 有利于提高穿刺成功率。

1.8 负压进针法

孙萍等[9]对血管粗但脆性大和血管细且弹性差的老年病人采用负压进针法其回血率比传统静脉穿刺法回血率分别提高了2% 和10% 。

1.9 直入法

周丽华等[10]研究表明直接刺入血管的进针方法, 使静脉穿刺达到无痛、微痛、快速、准确无误的质量标准。特别适合肥胖病人静脉显露不明显时使用。

1.10 逆行穿刺法

李凌娅等[11]主张采取逆行静脉穿刺, 护士背向病人头部, 向指方向10°～15°角沿血管由近心端向远心端进针, 可防止指掌关节向心穿刺固定不牢固造成的穿刺失败, 提高静脉的有效利用率。

1.11 水肿的病人

可采取用手指按压穿刺部位, 将多余的水分挤向一边, 血管暴露后, 立即穿刺[12]。

2 穿刺部位的选择

护理学者对静脉输注的穿刺部位进行了广泛的研究和探讨。张浩楠[13]研究得出引起穿刺疼痛的静脉部位由轻到重分别为:手背静脉、贵要静脉、桡静脉、掌侧静脉和手指静脉 (后两者因为其所在部位对疼痛极为敏感, 临床上一般不采用) 。笔者认为手背静脉是病人最易接受的穿刺部位, 它具有暴露部位最少、血管丰富、容易固定又不影响病人肢体活动的优点, 而桡骨茎突、尺骨茎突及第三掌骨头所形成的三角区域为乏神经区, 是手背静脉穿刺的首选部位。

3 绷扎止血带的时间和位置

3.1 扎止血带时间

李曼玲[14]认为静脉血管充盈是保证一针见血的关键 , 扎止血带40 s～120 s为静脉穿刺最佳时间。对血容量不足及末梢静脉充盈度较差的病人, 适当延长扎止血带时间, 可提高穿刺成功率[15]。

3.2 止血带的绷扎位置

一般离穿刺点10 cm～15 cm为佳[16]。谢珍惠[8]扎两根止血带法, 在穿刺点上方 20 cm 处扎一根止血带, 再在 10 cm 处扎一根止血带, 捆扎肢体 1 min 后, 松开下面一根止血带, 可看到靛蓝色的静脉, 利于穿刺。因为较大面积地阻断外周静脉的血流, 明显改善静脉充盈度, 适合儿童、危重和消瘦的病人。

4 进针角度

操作时进针的角度也与穿刺时的疼痛程度密切相关。近年来, 护理学者对于穿刺的角度进行了大量的研究。谢玉风[17]的研究认为穿刺针头在血管上方或侧面与皮肤呈60°快速进针, 穿过皮肤, 再呈约20°角沿血管方向送入, 见回血后沿血管进针少许, 可以减轻疼痛。宋晓波等[18]主张35°～40°角进针, 省去皮下潜行的距离, 减少了穿刺针对血管周围组织的刺激和损伤。侯素霞等[7]主张血容量减少且手背静脉萎陷的病人10°～15 °角进针, 能明显提高静脉穿刺一次成功率, 为急危重病人的抢救赢得宝贵时间。

5 穿刺成功后针头固定

静脉穿刺时的固定方法是整个输液过程中的一个重要环节, 固定不当可引起针头滚动、滑脱, 导致穿刺部位肿胀、渗出等。其失败的主要原因为贴胶布的手法不当、胶布排列不规则及胶布的长、宽度不合理。其胶布的长宽分别为7.0 cm～9.0 cm、0.8cm～1.0 cm 为宜, 三条胶布均平行排列与针尖垂直 , 间距0.8 cm～1.2 cm, 对于消瘦病人效果更佳, 妥善固定可防止针头刺穿静脉[9]。王云燕等[19]根据力学、美学原理提出采用一侧滚动法固定较为规范。即先粘贴一侧皮肤、拉紧胶布至对侧皮肤, 这样可使胶布处于紧张状态, 保证不松动。静脉穿刺成功后, 以进针后的血管为纵轴, 将针柄从右向左缓慢旋转180度, 使针头斜面朝下, 固定好头皮针。此方法简便易行, 增加滴速及减少液体渗出效果均好, 不但减轻病人的痛苦, 而且减少了护理工作量。

6 小结

综上所述, 在临床实践中对手背静脉穿刺技术的每个细节都进行了深入的研究和大胆的尝试, 各有体会。临床操作中, 对于老年消瘦病人若选择手背静脉穿刺, 建议采用压力式静脉进针法:病人手背向上自然平伸, 护士掌心向自己, 紧握病人手掌及手指, 拇指放在病人的手指上方、其余四指并拢贴于手掌下, 拇指将病人的手指向下压的同时食指将病人的手掌心向上举, 绷紧手背皮肤, 选中血管后, 将输液针头放在血管的正上方, 斜面向上, 以拇指和食指握住针柄轻轻一压, 针尖即进入血管, 然后放平针头进针2 mm～3 mm, 妥善固定。作为临床治疗的常见护理操作技术的静脉输注朝着无痛化的方向发展。根据不同病人, 应用不同的静脉穿刺技巧, 不仅能提高穿刺成功率, 更减轻病人的痛苦, 保证了静脉给药的顺利进行, 同时也使病人产生信任感, 树立战胜疾病的信心, 对病人的治疗可起到积极作用。

手背静脉识别 篇7

1 资料与方法

1.1 一般资料

2009年5~8月, 在我科住院输液0~3岁婴幼儿中选取100人次, 住院当日行静脉留置针, 随机分为手背静脉组和头皮静脉组, 其中手背静脉留置组55例, 男30例, 女25例;头皮静脉留置组45例, 男26例, 女19例。两组婴幼儿性别, 年龄, 体重无明显差异。

1.2 材料

均采用美国B-D公司生产的一次性直型留置针, 型号为24G型, 肝素帽一个, 3M透明敷料, 固定留置针的弹性绷带。

1.3 方法

两组操作护理人员均为工作5年以上, 有婴幼儿静脉穿刺经验者, 且人员相对固定。手背静脉组根据患儿手背静脉能见度选择血管, 助手协助固定患儿肢体, 操作者常规消毒穿刺部位, 扎止血带, 右手拇指及食指持套管针, 对准血管, 以15°~25°角进针;进针速度宜慢, 注意进入血管后进针阻力消失感, 见回血后降低角度, 呈10°~15°角再进一点, 松开止血带, 采用边退针芯边置入外套管法, 连接肝素帽, 用3M透明敷料固定套管针后再用弹性绷带固定肢体, 弹性绷带固定松紧要适宜, 输液后用生理盐水封管。头皮静脉组穿刺方法封管方法与手背静脉组相同。

1.4 观察内容

观察两组婴幼儿静脉留置针静脉穿刺一次成功率及置管时间。

1.5 统计学处理

采用χ2检验。

2 结果

2.1 两组婴幼儿静脉穿刺一次成功率比较 (表1)

注:χ2≈0.08, P>0.05

表1示:婴幼儿手背静脉留置针静脉穿刺与头皮静脉穿刺一次成功率无显著差异。

2.2 两组新生儿套管针留置天数的比较 (见表2)

注:χ2≈0.02, P>0.05

表2示:婴幼儿手背静脉留置时间与头皮静脉留置时间长短无明显差异。

3 讨论

浅静脉留置针留置时间在我国尚无统一标准, B-D公司推荐, 一般对于儿科患者留置时间以3~5天为最佳, 以不超过7天为宜。催爱荣等建议静脉留置针保留时间应在96h以内[3]。假如静脉留置时间长, 致使局部皮肤长时间受压, 再加上汗水的浸湿, 影响皮肤的代谢, 时间越长, 发生静脉炎的概率越高;而留置时间过短, 又会增加家属的经济负担, 因此在护理工作除做好家属的健康教育外还应密切观察穿刺局部有无红、肿、疼痛、堵塞、渗漏等现象, 应用"三消法"消毒皮肤, 确保穿刺部位的相对无菌及四周皮肤的清洁、干燥, 并及时更换敷料贴, 每次更换敷料贴时都应用碘伏和酒精消毒皮肤, 可降低静脉炎发生率, 延长静脉留置针保留时间.。有实验证实, 更换敷贴时间以隔天更换为好, 即可减轻患者的经济负担, 又可减少护士的工作程序, 提高工作效率。

参考文献

[1]催爱荣, 焦光琳, 张玉敏.静脉留置针留置时间与静脉血管的炎症反应相关性研究[J].中外医疗, 2008, 13:61.

[2]庄倩, 单丽霞, 田亚男, 等.外周静脉留置针输液皮肤消毒法的改良及应用[J].现代护理, 2006, 12:30-31.

手背静脉识别 篇8

关键词：静脉穿刺,握拳,非握拳,成功率

中国1999年进入老龄化社会, 目前是世界上老龄人口最多的国家, 占全球老年人口总量的1/5[1]。由于老年人的发病率高, 已成为就医人群的主体。在对老年人进行静脉输液治疗时, 针对老年人血管缺少, 细小, 表浅, 弹性差, 皮下脂肪少, 组织支持少, 活动度较大的特点。如提高护士静脉穿刺的成功率, 减少老年人静脉穿刺时的痛苦, 已成为输液室的护理人员每天都要面对的问题。

1 资料与方法

1.1 一般资料

随机选择2012年10月—11月到我院门诊临时静脉输液≥60岁的老年人310例为研究对象, 其中男126例, 女184例, 年龄60岁～89岁, 平均年龄70岁。按就诊前后顺序将患者随机分为2组。前155例采用传统握拳法﹙对照组﹚, 后155例采用非握拳法﹙试验组﹚。

1.2 材料

一次性密闭式静脉输液器, 7号穿刺针。2组患者均由同一位护士进行穿刺。

1.3 方法

1.3.1 握拳法

即嘱患者握拳, 一手拇指绷紧并固定静脉下端皮肤, 一手持针柄, 使针尖斜面向上并与皮肤呈20°进针[2]。

1.3.2 非握拳法

即患者手自然放置, 护士用左手将患者的手固定呈背隆掌空的握杯状, 以拇指和示指绷紧并固定血管下端皮肤, 或者护士以拇指和小指固定和绷紧血管下端皮肤, 示指、中指、环指在掌侧血管相对应的位置托起血管, 右手持针柄, 针尖斜面向上进针。

1.4 统计学方法

计数资料采用χ2检验, P<0.05为差异有统计学意义。

2 结果

2 组患者静脉重新穿刺 (即≥2次穿刺) 率比较, 差异有统计学意义 (P<0.01) 。见表1。

3 讨论

3.1

穿刺时患者采用握拳法, 首先由于老年人皮下脂肪少, 皮肤松弛, 致使血管深陷于指骨间, 不但影响护士操作的灵活性, 在穿刺时针尖进入皮肤后还需使针尖上挑, 才不至于穿透血管下壁, 这样就加剧了患者的疼痛感。其次由于有些患者具有恐惧心理, 嘱其握拳时, 加剧了患者的紧张情绪, 使得指间的肌肉紧张, 压迫血管造成管腔变窄, 增加了穿透血管和反复穿刺的概率, 也增加了患者的疼痛。再次由于老年人的皮肤松弛, 握拳时手背的皮肤纹路呈横纹, 这就增加了进针的阻力, 加重了疼痛感。穿刺完毕时嘱患者松拳, 当松拳速度过快或过猛时也可造成针尖刺破血管, 或进针浅时从血管内滑出。

3.2

穿刺时采用非握拳法, 即患者的手呈自然放松状, 由护士根据需要对血管周围的皮肤进行固定, 这样减轻了患者的戒备心理, 降低了恐惧感。由于是自然放置, 血管因肌肉的放松而充盈、饱满, 护士根据血管走行, 绷紧血管周围皮肤, 使血管在皮肤下无法移动, 当患者手呈握杯状时, 血管可凸于指骨间, 方便护士灵活准确地穿刺。提高了一次穿刺成功率, 也降低了因反复穿刺给患者带来的痛苦。

在为老年患者进行手背静脉穿刺时非握拳式较握拳式其一次成功率具有明显的优越性, 减轻了患者静脉穿刺的痛苦, 也减少了因反复穿刺带来的护患纠纷, 和谐了护患关系。

参考文献

[1]化前珍.老年护理学[M].第2版.北京:人民卫生出版社, 2008:3.